Mjerenje marketinga kroz više kanala

Tri staklena kanala vode prema zajedničkom rezultatu

By Patricia Jarmek Marketinška strategija i analitika 10. 10. 2026.

11 min čitanja

Kupac vidi pet kanala. Izvještaj često vidi samo jedan.

Kupac prvi put primijeti brend na Instagramu.

Nekoliko dana kasnije pretražuje Google, pročita stručni članak i posjeti stranicu proizvoda.

Ne kupuje odmah.

Sljedeći tjedan vidi remarketing oglas, a zatim otvara newsletter s dodatnim informacijama.

Na kraju se vraća na web-stranicu i završava kupnju.

Koji je kanal zaslužan za prodaju?

Instagram, koji je prvi privukao pažnju? SEO, koji je pomogao kupcu razumjeti proizvod? Plaćeni oglas, koji ga je podsjetio na ponudu? Ili newsletter, nakon kojeg je konačno kupio?

Odgovor ovisi o tome što pokušavamo izmjeriti.

Upravo tu nastaje jedan od najvećih problema digitalnog marketinga: različiti kanali sudjeluju u istoj odluci, ali izvještaji njihov doprinos ne prikazuju uvijek na isti način.

Zato nije dovoljno otvoriti nekoliko oglašivačkih platformi, zbrojiti njihove konverzije i zaključiti koliko je marketing zaradio.

Zašto zbroj konverzija iz različitih platformi može biti pogrešan?

Zamislimo webshop koji u jednom mjesecu ostvari 100 narudžbi.

Google Ads prijavljuje 65 konverzija, a Meta Ads 50.

To ne znači da je webshop ostvario 115 narudžbi.

Ista kupnja mogla je biti pripisana objema platformama jer svaka koristi vlastite podatke, pravila atribucije i razdoblja u kojima priznaje doprinos oglasa.

Primjerice, kupac može kliknuti Meta oglas, a nekoliko dana kasnije Google oglas prije kupnje.

Obje platforme mogu imati osnovu za pripisivanje konverzije prema svojim pravilima izvještavanja.

Broj narudžbi iz prodajnog sustava i broj konverzija pripisanih oglasima nisu ista metrika.

Zato je važno razlikovati poslovni rezultat od načina na koji pojedina platforma procjenjuje svoj doprinos.

Za webshop je broj stvarno evidentiranih narudžbi temelj za provjeru prodaje, uz pravilno postupanje s otkazivanjima, povratima i drugim prilagodbama.

Za B2B poslovanje odgovarajuća poslovna evidencija može biti CRM, s podacima o kvalificiranim upitima, ponudama i zaključenim poslovima.

Analitički alati zatim pomažu razumjeti kako su marketinške aktivnosti povezane s tim rezultatima.

Što je atribucija i zašto ne daje potpun odgovor?

Atribucija je postupak kojim se vrijednost konverzije raspoređuje među marketinškim interakcijama koje su joj prethodile.

Najjednostavniji model dodjeljuje zaslugu posljednjem relevantnom kanalu prije konverzije.

Ako kupac dođe putem društvene mreže, zatim organskog pretraživanja i na kraju e-maila, model posljednjeg klika može svu vrijednost pripisati e-mailu.

Takav model nije nužno pogrešan.

On jednostavno odgovara na vrlo određeno pitanje: koji je posljednji relevantni kanal prethodio konverziji?

Problem nastaje kada ga počnemo koristiti kao dokaz da prethodni kanali nisu imali vrijednost.

Google Analytics 4 danas u atribucijskim izvještajima podržava tri modela: data-driven attribution, paid and organic last click te Google paid channels last click.

Raniji modeli first click, linear, time decay i position-based više nisu dostupni u standardnim GA4 atribucijskim izvještajima od studenoga 2023. [2]

Kako funkcionira data-driven attribution?

Data-driven attribution koristi podatke i modele za procjenu doprinosa pojedinih interakcija.

Umjesto da cijelu vrijednost automatski dodijeli jednom kanalu, može rasporediti dio vrijednosti između više interakcija.

Zato se u izvještajima mogu pojaviti decimalne vrijednosti konverzija.

Primjerice, jedan kanal može dobiti 0,4, a drugi 0,6 atribucijske zasluge za istu konverziju.

To ne znači da se dogodilo 0,4 stvarne kupnje.

Dogodila se jedna kupnja, a model je rasporedio njezinu atribucijsku vrijednost.

Google navodi da data-driven attribution koristi podatke o putanjama koje su dovele i koje nisu dovele do konverzije te procjenjuje doprinos pojedinih interakcija. [2]

No postoji važna granica.

Atribucija pokušava raspodijeliti zaslugu za ostvarene konverzije. Sama po sebi ne dokazuje koliko bi prodaje izostalo da određenog kanala nije bilo.

Za to nam treba drukčiji pristup.

Atribucija i inkrementalnost nisu isto

Zamislimo da kupac već poznaje brend i odlučio je kupiti proizvod.

Neposredno prije kupnje pretražuje naziv trgovine, klikne plaćeni oglas i završi narudžbu.

Oglašivačka platforma može toj kampanji pripisati konverziju.

Ali bi li kupac kupio i bez oglasa?

To je pitanje inkrementalnosti.

Inkrementalnost pokušava procijeniti koliko je dodatnih rezultata određena marketinška aktivnost stvarno uzrokovala u odnosu na scenarij u kojem te aktivnosti nije bilo.

Za takvu procjenu koriste se kontrolirani eksperimenti, primjerice testovi u kojima se oglašavanje privremeno mijenja ili isključuje na određenim tržištima, uz odgovarajuću usporedbu.

Googleov otvoreni sustav Meridian GeoX upravo je namijenjen geografskim eksperimentima kojima se procjenjuje inkrementalni učinak marketinga. [11]

To je važna razlika.

Atribucijski izvještaj može pokazati da je kampanja sudjelovala u 50 konverzija.

Eksperiment može pomoći procijeniti koliko je tih konverzija zaista dodatno nastalo zbog kampanje.

Brojevi ne moraju biti jednaki.

Kako promatrati cijeli put kupca u GA4?

Google Analytics 4 ima izvještaj Attribution paths, koji prikazuje putanje korisnika do važnih događaja.

U njemu se mogu analizirati kanali koji su sudjelovali na početku, u sredini i pri završetku putanje.

Izvještaj o atribucijskim putanjama ključnih događaja dostupan je u području Advertising u GA4.

Omogućuje i pregled broja dodirnih točaka te vremena potrebnog do ključnog događaja.

Važno je znati da se u tom izvještaju prikazuju putanje koje završavaju odabranim ključnim događajem. Putanje bez takvog događaja nisu prikazane na isti način. [1]

Zato je korisno usporediti nekoliko pitanja.

Koji kanali najčešće dovode nove korisnike?

Koji se pojavljuju tijekom istraživanja?

Koji često prethode kupnji?

Koliko traje put od prve zabilježene interakcije do konverzije?

Postoje li razlike između novih i postojećih kupaca?

Primjerice, društvene mreže mogu biti važne za prvo upoznavanje s brendom, dok organsko pretraživanje i e-mail češće sudjeluju u kasnijim fazama.

To ne znači da je svaki takav obrazac univerzalan.

Treba ga provjeriti na vlastitim podacima.

Bez pravilnog označavanja kampanja nema pouzdanog izvještavanja

Prije napredne atribucije potrebno je urediti osnovno mjerenje.

Jedan od najčešćih problema su nedosljedne UTM oznake.

Ako se ista platforma u različitim kampanjama označava različitim nazivima, izvještaji mogu nepotrebno razdvojiti promet.

Zato je korisno definirati jedinstvena pravila za utm_source, utm_medium i utm_campaign.

Primjerice, newsletter može dosljedno koristiti utm_medium=email, a kampanje trebaju imati jasne i prepoznatljive nazive.

Googleova dokumentacija objašnjava razliku između ručnog UTM označavanja i automatskog označavanja podržanih oglašivačkih platformi.

Kod Google Adsa treba paziti i na interakciju UTM parametara s automatskim označavanjem kako ne bi nastale pogrešne klasifikacije izvora prometa. [3]

Dosljedno označavanje neće riješiti sva ograničenja atribucije.

Ali bez njega je teško pouzdano analizirati i osnovne rezultate.

B2B marketing: zašto slanje obrasca nije kraj mjerenja?

Kod prodaje usluga posebno je opasno izjednačiti svaki upit s poslovnim rezultatom.

Zamislimo dvije kampanje.

Prva generira 40 upita uz prosječnu cijenu od 20 eura.

Druga generira 15 upita uz prosječnu cijenu od 35 eura.

Prema cijeni po upitu prva je uspješnija.

Ali ako prva kampanja donese dva nova klijenta, a druga sedam, poslovna slika potpuno se mijenja.

Zato je kod B2B marketinga korisno povezati oglašavanje s CRM-om i pratiti napredovanje upita kroz prodajni proces.

Važni događaji mogu biti kvalificirani upit, održani sastanak, prihvaćena ponuda i zaključen posao.

Google Ads omogućuje prijenos offline konverzija i poboljšano mjerenje konverzija za potencijalne klijente.

Od 15. lipnja 2026. određeni prijenosi offline konverzija i enhanced conversions for leads prelaze na Data Manager API, dok je korištenje starijeg Google Ads API-ja za te prijenose ograničeno prema objavljenim uvjetima. [4], [6]

Za poslovanja koja koriste vlastite integracije to je važna tehnička promjena koju treba provjeriti.

Pritom prijenos korisničkih podataka mora biti usklađen s relevantnim pravilima privatnosti i primjenjivim uvjetima korištenja platforme.

Što se mijenja kada korisnici ne pristanu na analitičke kolačiće?

Mjerenje marketinga danas ima i ograničenja koja nisu posljedica loše konfiguracije.

Korisnici mogu odbiti analitičke ili oglašivačke kolačiće, promijeniti uređaj ili koristiti preglednike koji ograničavaju praćenje.

Zbog toga nije uvijek moguće povezati sve interakcije iste osobe.

Google Consent Mode omogućuje prilagodbu ponašanja Googleovih oznaka prema korisničkom izboru.

Kada su ispunjeni odgovarajući uvjeti, Google Analytics može koristiti modeliranje kako bi procijenio dio podataka koji nije izravno opažen.

Međutim, modeliranje nije dostupno svim web-stranicama i ne nadomješta potpuno izgubljene podatke. [7], [8]

Posebno je važno da Consent Mode nije zamjena za valjano prikupljanje privole niti sam po sebi jamči pravnu usklađenost.

Za poslovanja koja posluju u EU-u potrebno je pravilno upravljati privolama i relevantnim signalima za mjerenje i oglašavanje. [9]

Zato marketinške izvještaje ne treba predstavljati kao savršenu rekonstrukciju ponašanja svakog kupca.

Oni su kombinacija opaženih podataka, atribucijskih pravila i, u određenim okolnostima, modeliranih procjena.

Kada ima smisla koristiti marketing mix modeling?

Ako poslovanje ulaže u više kanala, s vremenom može postati teško procijeniti njihov doprinos samo na temelju korisničkih putanja.

Marketing mix modeling (MMM) koristi statističke modele za procjenu povezanosti marketinških ulaganja i poslovnih rezultata, uz uključivanje drugih relevantnih čimbenika.

Takvi modeli mogu uzeti u obzir sezonalnost, promjene potražnje i odgođene učinke marketinga.

Googleov Meridian otvoreni je sustav za marketing mix modeling koji podržava procjenu doprinosa kanala, povrata ulaganja i različitih scenarija raspodjele budžeta. [10]

No MMM nije čarobno rješenje.

Za kvalitetnu analizu potrebni su odgovarajući podaci, metodološka stručnost i dovoljno informacija za razlikovanje utjecaja različitih aktivnosti.

Manjem poslovanju s nekoliko kampanja i malim brojem konverzija često će više koristiti kvalitetno postavljeno osnovno mjerenje nego prerano uvođenje složenog modela.

Koje metrike zapravo treba pratiti?

Dobar marketinški izvještaj ne mora imati pedeset grafikona.

Mora odgovoriti na poslovna pitanja.

Za webshop to su, primjerice, prihod, broj narudžbi, troškovi oglašavanja, profitabilnost, trošak stjecanja kupca i vrijednost ponovljenih kupnji.

Za B2B poslovanje važniji mogu biti kvalificirani upiti, prodajne prilike, stopa zaključivanja poslova, prihod po klijentu i duljina prodajnog ciklusa.

Uz pojedinačne rezultate kanala korisno je pratiti i ukupnu učinkovitost marketinga.

Primjerice, omjer ukupnog prihoda i ukupnih troškova oglašavanja može pokazati kako se rezultat mijenja na razini poslovanja.

Ali taj omjer ne dokazuje koliki je prihod oglašavanje uzrokovalo i nije isto što i profitabilnost.

Treba uzeti u obzir marže, povrate, operativne troškove i druge relevantne čimbenike.

Dobar izvještaj ne pokazuje samo što se dogodilo. Pomaže razumjeti koje odluke imaju smisla sljedeće.

Kako postaviti smislen sustav mjerenja?

Za većinu malih i srednjih poslovanja preporučila bih sljedeći redoslijed:

Definirajte poslovni rezultat. Odlučite mjerite li kupnje, kvalificirane upite, zaključene poslove ili neki drugi stvarno vrijedan događaj.
Uredite osnovno praćenje. Provjerite GA4 događaje, UTM oznake, integracije oglašivačkih platformi i upravljanje privolama.
Uskladite podatke s poslovnom evidencijom. Usporedite analitičke rezultate s narudžbama ili CRM-om.
Analizirajte putanje kupaca. Promatrajte kanale koji privlače, informiraju i vraćaju korisnike.
Razlikujte atribuciju od dodatnog učinka. Kada je opravdano, koristite eksperimente za provjeru inkrementalnosti.
Donosite odluke na temelju ukupnog rezultata. Nemojte optimizirati svaki kanal izolirano ako time pogoršavate rezultat cijelog poslovanja.

Cilj nije pronaći jedan alat koji će savršeno objasniti svaku kupnju.

Cilj je imati dovoljno kvalitetnih podataka da se marketingom može upravljati odgovornije.

Zaključak

Kupci ne razmišljaju u kategorijama oglašivačkih platformi.

Ne odlučuju unaprijed da će ih jedan kanal upoznati s brendom, drugi uvjeriti, a treći dovesti do kupnje.

Jednostavno traže informacije, uspoređuju mogućnosti i donose odluku kada za to imaju dovoljno razloga.

Marketing zato treba mjeriti na način koji barem djelomično odražava stvarnost tog procesa.

Najvrjednije pitanje nije kojem kanalu možemo pripisati prodaju, nego koje marketinške aktivnosti stvaraju dodatnu vrijednost za poslovanje.

Česta pitanja

Što je višekanalna atribucija?

Višekanalna atribucija raspoređuje zaslugu za konverziju među različitim marketinškim interakcijama koje su joj prethodile.

Zašto Google Ads i Meta Ads prikazuju različit broj konverzija?

Platforme koriste različite podatke, atribucijske modele, vremenske prozore i pravila izvještavanja. Ista kupnja može biti pripisana različitim platformama.

Koji je najbolji atribucijski model?

Ne postoji jedan najbolji model za svaku situaciju. Data-driven attribution može pružiti korisniju raspodjelu zasluga od jednostavnog modela posljednjeg klika, ali ne dokazuje samostalno inkrementalni učinak.

Može li GA4 pratiti cijeli put kupca?

GA4 može prikazati zabilježene putanje do važnih događaja, ali ne može zajamčiti potpun pregled svih interakcija, uređaja i kanala.

Što je inkrementalnost u marketingu?

Inkrementalnost procjenjuje koliko je dodatnih poslovnih rezultata određena aktivnost uzrokovala u usporedbi sa scenarijem bez te aktivnosti.

Treba li malom poslovanju marketing mix modeling?

Ne nužno. Najprije treba osigurati kvalitetno osnovno mjerenje i dovoljno podataka. Složeniji modeli imaju smisla kada postoji jasna poslovna potreba i odgovarajuća podatkovna osnova.